-
题名物理-数据混合驱动的车辆质心侧偏角估计
- 1
-
-
作者
李琴
张博远
谢智航
王勇
汤建明
陈勇
-
机构
广西大学机械工程学院
北京理工大学机械与车辆学院
-
出处
《汽车工程》
北大核心
2025年第4期714-723,共10页
-
基金
广西自然科学基金青年基金(2025GXNSFBA069567)
广西科技计划桂科AD基金(23026205)资助。
-
文摘
质心侧偏角是车辆动力学中的关键变量。针对现有基于模型方法严重依赖动力学模型精度和数据驱动方法在面临陌生工况场景时鲁棒性差等问题,本文提出了一种物理-数据混合驱动(DeepPhy)的质心侧偏角估计方法,旨在结合物理模型与数据驱动模型的优势,实现对质心侧偏角的可靠与准确估计。DeepPhy通过将后轴轮胎侧向力模型得到的质心侧偏角先验值与深度网络进行集成,从而能够学习物理模型未能表达的非线性映射关系,提升模型面对陌生工况的可靠性。仿真结果表明,在连续DLC工况下,DeepPhy估计结果的RMSE相较于物理模型方法和纯数据驱动方法分别降低了93%和63%,并对数据稀缺工况具有鲁棒性。实车验证进一步表明,DeepPhy具有优异的泛化能力,经过仿真训练的模型可迁移至实车环境中,并保持高精度的估计结果。
-
关键词
质心侧偏角估计
主动控制系统
长短时记忆网络
混合物理-数据驱动
-
Keywords
sideslip angle estimation
active safety control
long short-term memory
physicsdata hybrid driven
-
分类号
U461.1
[机械工程—车辆工程]
-
